Capítulo 11 Checagem dos dados

No tutorial abaixo vamos usar dados de avistamento de aves em fisionomias de cerrado. Baixem o arquivo contendo esses dados (https://github.com/LABOTAM/IntroR/blob/main/dados/aves_cerrado.csv) para a sua pasta de trabalho.

Vamos praticar neste tutorial o uso de funções que nos mostram a estrutura e resumo dos dados. Já vimos como utilizar essas funções na parte I deste livro.

• str() - mostra a estrutura do objeto dos dados;
• head() e tail()- mostra a cabeça ou a cauda da sua tabela de dados, respectivamente;
• summary() - faz um resumo de todas as variáveis nos seus dados.

Vamos começar importando os dados ao R:

## Lendo a planilha com read.table
avesc <- read.table("aves_cerrado.csv", row.names = 1, header = T, sep = ";", dec = ",", as.is = T, na.strings = c("NA", "", "NULL"))

Repare no argumento na.strings da função read.table(). Ele é importante na importação de dados pois garante a codificação de valores ausentes usando a constante lógica NA do R. Se você não definir isso, o padrão é reconhecer apenas células que tenham o texto NA como valor faltante. Veja também o uso do argumento as.is = TRUE, que indica que não se deve converter colunas de texto em fatores (ou você pode usar o argumento stringsAsFactors para isso; este mesmo argumento é utilizado também na função data.frame()). Vamos ver as primeiras 10 linhas do objeto avesc:

head(avesc, 10)

	fisionomia	urubu	carcara	seriema
Ce1	Ce	5	18	6
Ce2	Ce	7	7	6
Ce3	Ce	5	14	4
Ce4	Ce	3	12	5
Ce5	Ce	4	16	4
Ce6	Ce	NA	20	NA
Ce7	Ce	6	19	4
Ce8	Ce	4	21	10
Ce9	Ce	2	11	6
Ce10	Ce	5	9	7

Vamos criar uma cópia para usarmos depois.

aves2 <- avesc

É sempre bom verificar se os dados foram importados corretamente. É sempre um bom procedimento checarmos as dimensões do objeto com a função dim(), primeiras e últimas linhas e colunas do objeto com funções head() e tail() respectivamente

dim(avesc) # a dimensao do objeto (linhas e colunas)

## [1] 60  4

head(avesc, 3) # a cabeca do objeto (tres primeiras linhas)

	fisionomia	urubu	carcara	seriema
Ce1	Ce	5	18	6
Ce2	Ce	7	7	6
Ce3	Ce	5	14	4

tail(avesc, 3) # a cauda do objeto (tres ultimas linhas)

	fisionomia	urubu	carcara	seriema
CL18	CL	12	6	7
CL19	CL	18	5	4
CL20	CL	19	4	4

avesc[nrow(avesc), ] # ultima linha

	fisionomia	urubu	carcara	seriema
CL20	CL	19	4	4

Parece que está tudo certo! Vamos checar a estrutura do objeto:

# mostra a estrutura do data.frame
str(avesc)

## 'data.frame':    60 obs. of  4 variables:
##  $ fisionomia: chr  "Ce" "Ce" "Ce" "Ce" ...
##  $ urubu     : int  5 7 5 3 4 NA 6 4 2 5 ...
##  $ carcara   : int  18 7 14 12 16 20 19 21 11 9 ...
##  $ seriema   : int  6 6 4 5 4 NA 4 10 6 7 ...

Reparem que há uma variável de texto (chr) e três variáveis de números inteiros (int). Próximo passo é sempre checar um sumário estatístico das variáveis presentes no objeto usando a função summary():

# mostra um resumo da variacao nas colunas
summary(avesc)

	fisionomia	urubu	carcara	seriema
	Length:60	Min. : 2.00	Min. : 3.00	Min. : 2.000
	Class :character	1st Qu.: 7.00	1st Qu.: 5.50	1st Qu.: 4.000
	Mode :character	Median :12.00	Median : 9.00	Median : 5.000
	NA	Mean :11.93	Mean :10.25	Mean : 5.345
	NA	3rd Qu.:16.50	3rd Qu.:14.00	3rd Qu.: 6.000
	NA	Max. :22.00	Max. :24.00	Max. :12.000
	NA	NA’s :1	NA’s :1	NA’s :2

Há indicação de presença de valores NA nas variáveis numéricas, que são valores faltantes.